Wie Unzer KI in 3 Kernprozesse mit 60-90% Effizienzgewinn integriert hat

In dieser Folge spricht Felix mit Jacob von Ingelheim, Chief Risk & Transformation Officer bei Unzer. Unzer ist ein europäischer Zahlungsdienstleister, der für über 90.000 Händler die Zahlungen abwickelt. Das Unternehmen ist in den letzten fünf, sechs Jahren aus vierzehn zugekauften Firmen entstanden. Allein das war schon eine große Transformationsaufgabe, und jetzt treibt Jacob auch die KI-Transformation im Inneren des Unternehmens.

Es geht um einen sehr systematischen Weg: Unzer hat den Prozesskatalog, den die Regulierung ohnehin verlangt, als Startpunkt genommen, um die Prozesse mit dem größten Hebel zu finden. Jacob zeigt an drei Use Cases, was dabei herauskommt, vom Händler-Onboarding über den Support bis zum Adverse Media Screening. Und er erklärt, warum all das nur trägt, wenn Mitarbeitende und Führungskräfte selbst anfangen zu bauen.

Inhaltsübersicht

Aus vierzehn Firmen wird ein Unternehmen
Wo die KI-Transformation bei Unzer angesiedelt ist
Der Prozesskatalog als Landkarte für KI
Händler-Onboarding: von 47 auf 8 Tage
Low Risk ohne Mensch in the Loop
KI im Helpcenter
Inkasso per WhatsApp in 37 Sprachen
Selbst bauen, einkaufen und keine Black Boxes
Adverse Media Screening: von 15 auf unter 3 Minuten
Warum der interne Chatbot nicht gereicht hat
AI Week, Hackathon und über 100 eigene Apps
Führungskräfte bauen ihren eigenen Agenten
Ausblick: Wenn Agenten einkaufen

Über den Gast

Jacob von Ingelheim ist Chief Risk & Transformation Officer bei Unzer. Er verantwortet Transformation und Risiko in einer Rolle. Bei ihm liegt auch die interne KI-Transformation.

Aus vierzehn Firmen wird ein Unternehmen

Unzer ist eine Merger Company: Über die letzten fünf, sechs Jahre wurden vierzehn Einzelfirmen gekauft und zusammengeführt, nicht wahllos, sondern mit einer klaren Mission. Unzer will dem Handel helfen, sich zu digitalisieren, mit Zahlungs- und Softwarelösungen entlang der gesamten Wertschöpfungskette, online wie offline.

Auf die Frage, was dabei am härtesten ist, antwortet Jacob: Am längsten dauert es, die Leute mitzunehmen. Alle vierzehn Firmen waren profitabel, hatten ihre Daseinsberechtigung und ihre eigene Kultur. Eine Inkassofirma gibt es seit über vierzig Jahren, andere Firmen erst seit sieben, acht Jahren. Dieselbe Parallele sieht Jacob bei KI: Jeder geht anders heran, und das ist normal. Entscheidend ist, dass es den Menschen am Ende hilft.

Wo die KI-Transformation bei Unzer angesiedelt ist

In vielen Unternehmen hängt KI bei einem Chief AI Officer oder in der IT. Unzer hat zwei Seiten getrennt: Seit einigen Monaten gibt es eine Chief Product & AI Officerin, denn den größten Mehrwert sieht Unzer in den Produkten für die Händler. Die interne Seite liegt bei Jacob.

Sein Bereich sucht mit den Fachbereichen nach Potenzialen. Daraus entstehen kleine Agents, Apps oder oft schlicht Automatisierung ohne KI im klassischen Sinn. Wird eine Lösung größer, geht sie an das AI-Team.

Der Prozesskatalog als Landkarte für KI

Unzer ist reguliert und hat in drei Ländern eine ZAG-Lizenz als Zahlungsdienstleister. Die Lizenz verlangt, dass alle Prozesse von Level eins bis drei in einem Katalog stehen, mit bestimmten Parametern. Vor anderthalb Jahren hat Unzer diese Vorgabe als Basis genommen und geprüft, welche Prozesse am nächsten dran sind, dass man sie mit KI unterstützen kann. Daraus entstand eine Matrix, die das Team seitdem abarbeitet; am Ende ist es damit noch längst nicht.

Der Katalog allein zeigt aber nicht, wo es wirklich hakt.

Die gab's auf dem Papier. In dem Prozesskatalog sind die alle schön niedergeschrieben

Deshalb hat Unzer die Daten aus dem CRM gezogen: In welchem Status hängt ein Vorgang, wie oft geht er zurück, wie schnell lässt er sich weiterschieben, wie viele Leute sind beteiligt? So wurde aus einem großen Prozess eine Reihe kleiner Pakete, die man einzeln angehen kann.

Händler-Onboarding: von 47 auf 8 Tage

Ein Kernprozess ist das Onboarding neuer Händler. Unzer muss jeden Händler einer KYC-Prüfung unterziehen, also identifizieren, wer er ist und wer wirtschaftlich dahintersteht. Das war ein sehr manueller Prozess mit Unterlagen, externem Abgleich und Übertragung ins System.

Ein Beispiel für die kleinen Pakete ist der Handelsregisterauszug. Die Auszüge sehen sich ähnlich, sind aber nicht gleich. Ein kleines Tool liest die Handelsregister-ID aus, audit-sicher nachvollziehbar. Nicht alles davon ist KI, betont Jacob: Mit dem Willen zu KI fällt oft auch auf, wo einfach eine Schnittstelle fehlt.

Das Ergebnis: Vor 18 Monaten dauerte ein Onboarding 47 Tage, heute sind es im Mittel rund acht. Das lag nie nur an Unzer, sondern am Hin und Her mit Händlern und externen Stellen. Der Händler will verkaufen, und Unzer macht erst Umsatz, wenn er live ist. Und es gibt noch manuelle Schritte, die sich automatisieren lassen.

Low Risk ohne Mensch in the Loop

Unzer ordnet alle Händler in drei Gruppen ein: Low, Medium und High Risk. Ein Friseur mit einer GmbH und einem Gesellschafter ist ein klarer Low-Risk-Fall: Der wirtschaftlich Berechtigte ist eindeutig, die Unterlagen sind online abrufbar. Hier kann eine KI das tun, was ein Mensch tut, bei reiner Datenextraktion vielleicht sogar fehlerfreier.

Das Ziel: Für Low-Risk-Fälle braucht es keinen Menschen mehr in the Loop, sondern nur noch on the Loop, mit Stichproben und Kontrollen. Die Expertinnen und Experten konzentrieren sich dann auf die komplexen Fälle, und das bringt beides: höhere Qualität und mehr Tempo.

KI im Helpcenter

Im Support hat Unzer eine KI im Helpcenter, die rund die Hälfte der Anfragen ganz oder teilweise löst. Viele Fragen kommen von Endkunden beim Rechnungskauf. Unzer ist der Dienstleister im Hintergrund, aber aus regulatorischen Gründen läuft das Konto auf Unzer, auch wenn vieles White Label ist. Deshalb kommt oft diese Frage:

Warum muss ich jetzt an Unzer bezahlen? Ich hab doch bei Decathlon gekauft.

Solche Fragen lassen sich gut standardisiert beantworten, bevor jemand eine E-Mail schreiben muss. Das nimmt dem Support das erste Level ab. Einen Voice-Agenten am Telefon testet Unzer in Teilbereichen, mit Vorsicht bei sensiblen Daten.

Inkasso per WhatsApp in 37 Sprachen

Einen besonders spannenden Use Case sieht Jacob in der Inkassogesellschaft, die vor allem für Drittparteien arbeitet. Wer in Zahlungsschwierigkeiten ist, ruft ungern an. Deshalb können Kundinnen und Kunden jetzt per WhatsApp mit einer KI schreiben und Ratenvereinbarungen abschließen, schriftlich statt am Telefon.

Die KI kann das in 37 oder 38 Sprachen. Damit fällt auch die Sprachbarriere weg. Das Ergebnis sind rund 30 bis 35 Prozent mehr Ratenvereinbarungen pro Woche, ein Gewinn für beide Seiten. Für Verbraucher wirkt das vollautomatisch; intern muss heute noch jemand einen Knopf drücken. Das will Jacob in den nächsten Monaten ändern.

Selbst bauen, einkaufen und keine Black Boxes

Über jede Umsetzung entscheidet ein eigenes AI-Team: selbst bauen oder eine externe Lösung nutzen. Brächte jeder Bereich seinen eigenen Dienstleister mit, wäre das mittelfristig chaotisch.

Kernsysteme wie das CRM hat Unzer noch nicht durch selbstgebaute KI-Software ersetzt. Auch hier spielt die Regulierung hinein: Mindestens einmal im Jahr prüfen Wirtschaftsprüfer, und alles muss erklärbar sein.

müssen wir alle Sachen immer erklären können und … können eben keine Black Boxes bauen.

Adverse Media Screening: von 15 auf unter 3 Minuten

Unzer muss Händler beim Onboarding und laufend auf negative Presse prüfen, über das Unternehmen und wichtige Personen dahinter. Bei einem Namen wie Thomas Müller sind die meisten Treffer über den Fußballer, und trotzdem muss jeder Treffer angeschaut werden.

Früher kostete das im Schnitt rund 15 Minuten pro Treffer. Mit dem KI-Screening, das die Treffer viel genauer auf den jeweiligen Kunden zuschneidet, sind es unter drei Minuten. Die naheliegende Sorge, dass dabei etwas durchrutscht, hat sich bisher nicht bestätigt: Bis heute ist kein Fall bekannt, der übersehen wurde.

Warum der interne Chatbot nicht gereicht hat

Die beste Use-Case-Analyse bringt wenig, wenn Mitarbeitende und Führungskräfte nicht mitziehen. An genau diesem Punkt stand Unzer vor etwa einem Jahr: Es gab ein internes ChatGPT mit ordentlichen Nutzerzahlen, aber es steigerte vor allem die Alltagsproduktivität, ohne dass mehr daraus wurde.

Dazu kam eine typische Erfahrung: Die KI nannte das falsche Team als zuständig. Wenn Prozessbeschreibungen oder Policies nicht stimmen,

dann kann die AI auch keine Magie machen.

Vielen im Unternehmen wurde dadurch klar, dass Dokumentation nicht nur für Prüfer da ist, sondern auch die Grundlage dafür, dass KI überhaupt gute Antworten geben kann.

AI Week, Hackathon und über 100 eigene Apps

Der Wendepunkt war eine AI Week Anfang des Jahres. Eine Woche lang durften alle an so vielen Sessions teilnehmen, wie sie wollten, mit wenigen externen und vielen internen Beiträgen. Kolleginnen und Kollegen zeigten, wo sie KI im Kleinen nutzen, etwa ein Agent für ein Reporting, das vorher dreißigmal Copy-Paste brauchte. Das hat viele Berührungsängste genommen.

Danach folgte ein Hackathon ganz für KI, bei dem alle eigene Ideen einbringen konnten. Nach Jacobs letztem Stand gibt es inzwischen 107 oder 108 Apps und fast 60 Agents, gebaut von den eigenen Leuten:

Nicht von irgendwelchen externen, sondern von Mitarbeitern und Mitarbeiterinnen

Dazu kommen KI-Botschafter in jedem Bereich: Early Adopters, die man im Team kennt und einfach fragen kann, wenn man festhängt. Hilft das nicht, stellen sie den Kontakt zum AI-Team her.

Führungskräfte bauen ihren eigenen Agenten

Jacob hat allen Führungskräften in seinem Bereich Anfang des Jahres ins Ziel geschrieben, selbst einen Agenten zu bauen. Egal wie klein, Hauptsache, sie beschäftigen sich selbst damit und bekommen ein Gespür dafür, wie groß der Aufwand ist und was es braucht. Von den neuen Führungskräften hat nach seinem Stand schon über die Hälfte das Ziel erreicht, die übrigen bekommen in der Quartalsrunde eine Erinnerung. Jacob ist zuversichtlich, im Januar sagen zu können, dass alle es geschafft haben.

Jacob ordnet fair ein: Von außen klingt es oft so, als sei abgehängt, wer KI noch nicht perfekt beherrscht.

Das dauert alles auch ein bisschen, bis man sich wirklich in dieses Thema eingearbeitet hat, bis man wirklich verstanden hat, was man damit machen kann.

Die Zeit zum Lernen und Ausprobieren muss man den Mitarbeitenden geben. Felix gefällt, wie pragmatisch der Ansatz mit den Agenten-Zielen ist: statt monatelanger Lernreisen eine klare Erwartung. Jacob ist überzeugt: Nicht jeder braucht das neueste Modell, aber das Nervige aus dem Alltag zu nehmen, muss am Ende bottom-up passieren.

Ausblick: Wenn Agenten einkaufen

Intern sieht Jacob noch viele Bereiche, etwa Accounting oder Risk Management. Nach außen beschäftigt Unzer vor allem Agentic Commerce: KI-Agenten, die Produkte suchen und am Ende auch kaufen. Jacobs Beispiel: Ich will eine rote Hose, und der Agent kennt meine Größe und meinen Stil.

Für Unzer geht es darum, das Bezahlen dabei rechtssicher, nachvollziehbar und vertrauenswürdig zu machen. Dazu ist Unzer mit Plattformen, Händlern und Kartennetzwerken im Austausch. Heute sind das noch Zwischenschritte: Agenten füllen Websites vor und scheitern oft an Firewalls. Der Anteil ist noch sehr gering, aber Händler wollen verstehen, wie sich Missbrauch verhindern lässt.

Felix war vor einem Jahr noch skeptisch, einem Agenten seine Kreditkarte zu geben; mit personalisierten Agenten und sichererer Infrastruktur sieht er das heute anders.

Kernaussagen

Am längsten dauert es, die Menschen aus vierzehn Firmen mitzunehmen. Bei KI ist es ähnlich: Jeder geht anders heran.
Ein regulatorischer Prozesskatalog ist ein guter Startpunkt, um die Prozesse mit dem größten KI-Hebel zu finden.
Das Händler-Onboarding sank von 47 auf rund 8 Tage, das Adverse Media Screening von 15 auf unter 3 Minuten pro Treffer.
Im regulierten Umfeld muss jede Lösung erklärbar sein, Black Boxes gehen nicht.
Ein interner Chatbot steigert die Alltagsproduktivität, verändert aber noch keine Prozesse.
AI Week, Hackathon, KI-Botschafter und Ziele für Führungskräfte haben die breite Nutzung gebracht.

Fazit und Takeaways

Unzer zeigt, wie KI-Transformation in einem regulierten Unternehmen aussehen kann: systematisch bei den Prozessen, pragmatisch bei den Menschen. Startpunkt war der Prozesskatalog, den die Regulierung verlangt, und jede Lösung muss erklärbar bleiben.

Für Führungskräfte

Bau selbst einen kleinen Agenten. Erst dann kannst du einschätzen, was in deinem Bereich möglich ist.
Mach KI zum Teil der Ziele und schau quartalsweise darauf, statt nur Trainings anzubieten.

Für KI- und Transformationsverantwortliche

Starte bei den Prozessen, nicht bei den Tools, und miss mit echten Daten, wo es hängt.
Zerleg große Prozesse in kleine Pakete und automatisiere Schritt für Schritt.

Für Teams in regulierten Branchen

Nutze die Dokumentation, die ihr ohnehin pflegen müsst, als Grundlage für KI.
Teile Fälle nach Risiko ein und lass die KI zuerst die einfachen übernehmen, mit Stichproben statt Einzelprüfung.